監(jiān)測(cè)規(guī)則更新滯后
人工甄別工作量大
犯罪團(tuán)隊(duì)識(shí)別困難
缺乏長(zhǎng)效機(jī)制
數(shù)據(jù)量劇增
監(jiān)測(cè)準(zhǔn)確率低
無(wú)法有效使用外部數(shù)據(jù)
忽略個(gè)體特征
監(jiān)管機(jī)構(gòu)處罰嚴(yán)厲
· 中小行內(nèi)數(shù)據(jù)量不足,統(tǒng)計(jì)模型的數(shù)據(jù)基礎(chǔ)較差
· 行內(nèi)數(shù)據(jù)源較為單一,外部額外數(shù)據(jù)特征不夠豐富,樣本維度特征稀疏
· 各行間交易數(shù)據(jù)的隔離,造成洗錢(qián)鏈路缺失,隱含的洗錢(qián)行為信息不完備
· 反洗錢(qián)可疑案例篩查是要求決策合規(guī)的應(yīng)用,對(duì)上報(bào)結(jié)果有明晰化要求
· AI模型及算法普遍缺乏決策邏輯的透明度和結(jié)果的可解釋性
· 傳統(tǒng)規(guī)則模型更新滯后,對(duì)AI融合、更新規(guī)則和發(fā)現(xiàn)新規(guī)則均有訴求
· AI模型需要貼合業(yè)務(wù)場(chǎng)景
· AI模型需要有自我評(píng)估能力
· AI模型需要有自學(xué)習(xí)能力,持續(xù)迭代優(yōu)化
神州信息AI智能反洗錢(qián)監(jiān)測(cè)平臺(tái),結(jié)合大數(shù)據(jù)、知識(shí)圖譜、人工智能等先進(jìn)技術(shù),實(shí)現(xiàn)了智能KYC審查、實(shí)時(shí)名單客戶交易攔截,同時(shí)通過(guò)機(jī)器學(xué)習(xí)算法自動(dòng)構(gòu)建可疑洗錢(qián)交易模型,代替?zhèn)鹘y(tǒng)基于規(guī)則和人工判斷的反洗錢(qián)工作模式,極大地提升了可疑洗錢(qián)交易上報(bào)的及時(shí)性、準(zhǔn)確性,降低了金融機(jī)構(gòu)反洗錢(qián)工作的合規(guī)成本。
· 大額監(jiān)測(cè)
· 可疑監(jiān)測(cè)
· 名單客戶交易監(jiān)測(cè)
· 客戶關(guān)系分析
· 交易鏈路分析
· 關(guān)聯(lián)事件分析
· 應(yīng)用橫向擴(kuò)展
· 分布式數(shù)據(jù)庫(kù)
· 異構(gòu)數(shù)據(jù)整合
· 引入外部數(shù)據(jù)
· 智能評(píng)級(jí)模型
· 服務(wù)輸出能力
· 模型參數(shù)調(diào)整
· 模型規(guī)則調(diào)整
· 提升報(bào)送準(zhǔn)確率
· 流計(jì)算
· 圖形分析
· 交易篩選
基于多種機(jī)器學(xué)習(xí)算法融合來(lái)構(gòu)建反洗錢(qián)檢測(cè)AI引擎,對(duì)比傳統(tǒng)反洗錢(qián)系統(tǒng),在覆蓋專家審核結(jié)果的條件下,能降低1個(gè)數(shù)量級(jí)以上的誤報(bào)率。
基于機(jī)器學(xué)習(xí)和專家經(jīng)驗(yàn)建立可疑案件排序模型,針對(duì)風(fēng)險(xiǎn)高的案件優(yōu)先審核,及時(shí)上報(bào),風(fēng)險(xiǎn)過(guò)低可排除,降低篩查工作量。
基于知識(shí)圖譜和社群發(fā)現(xiàn)算法,多元用戶身份識(shí)別,建立客戶知識(shí)圖譜,識(shí)別交易最終受益人,有效還原洗錢(qián)網(wǎng)絡(luò),輔助審核分析,提升AI的可解釋性。
基于半監(jiān)督學(xué)習(xí)和圖特征挖掘建立可疑案件識(shí)別模型,海量交易中準(zhǔn)確抓取反洗錢(qián)可疑案件,協(xié)助發(fā)現(xiàn)隱案、漏案和新型作案手法;基于機(jī)器學(xué)習(xí)聚類分析和模式發(fā)現(xiàn),優(yōu)化規(guī)則模型,輔助發(fā)現(xiàn)可疑交易新規(guī)則和新可疑模式。
某銀行智能反洗錢(qián)監(jiān)測(cè)預(yù)警平臺(tái)
該平臺(tái)以更貼合業(yè)務(wù)場(chǎng)景的AI算法創(chuàng)新應(yīng)用,有效降低反洗錢(qián)篩查的誤報(bào)率、工作量,使反洗錢(qián)異常檢測(cè)結(jié)果可視化,幫助銀行反洗錢(qián)異常檢測(cè)召回率高達(dá)95%以上,人工規(guī)則反洗錢(qián)工作量降低98%。